基于嵌入式系統手勢識別的設計

張瑜 王世東 馬藝珊 黃嬡

當前許多科學領域的研究熱點，是如何使人機交互變得更加方便高效、操作簡單。在人機交互領域中，手勢識別技術是關鍵性技術之一，隨著科技的日益更新，它也跟隨著科技的發展而發展，一直在保持著變化。

當前，手勢識別技術發展非常迅速，已經被廣泛應用于虛擬環境、自動捕捉以及多媒體用戶界面等諸多領域，起到了很好的效果。隨著社會的發展，各種產品都愈加重視用戶體驗，手勢識別可以帶給人們更好的體驗，因此獲得了廣泛的應用。基于傳感器加速硬件的手勢識別技術是一種常用的手勢識別技術，但是具有價格昂貴以及可能會影響人體健康等問題，因此一種更加簡單、造價低、對人體沒影響的手勢識別技術成為研究的重點。離線人機交互可以滿足這一需求，基于視覺的手勢識別技術不需要應用中間媒體，通過手勢就可以和機器進行直接的交流，不需要外界設備使其應用非常高效、方便，可以給用戶帶來非常好的使用體驗。

手勢識別系統具有多樣化的應用場景，有些是動態的、有些是靜態的。但目前大多應用是都是靜態，因為當前動態手勢識別系統還存在一些問題，需要加強研究。

手勢識別系統總體設計

在設計方面采用嵌入式平臺，具有簡單、體積小和成本低等優點，可以降低手勢識別系統的成本，提高便攜性。

手勢識別過程如下：通過攝影機采集各種圖像，同時還要對采集的圖像進行提前加工，采集手勢圖像的特征信息，然后將提取到的信息和手勢模板庫進行配對，確定手勢的編號和意義。

V4L2接口

V4L是系統內核中和飾品設備有關的子系統，能夠為Linux下的視頻驅動提供接口，通過應用這一接口，可使應用程序通過統一的API函數實現對不同設備的操控，降低視頻系統開發難度，使維護更加便捷。早期V4L功能不完全、漏洞多，因此進行了重新設計，設計除了Video for Linux 2（V4L2），現在有Linux2.5.X版本。

圖像預處理

手勢圖像去噪

在進行動作視頻的收集時，系統可能是移動的，因此獲得的手勢圖像不可避免地會受到干擾，包括外部環境光強度的變化和相機抖動，會造成獲取的對象和信息庫中的圖像存在差異，因此需要對收集到的手勢圖像進行降噪處理，從而更加準確地進行識別，提高圖像識別率。圖像中相鄰像素的灰度值具有較高的相關性，如果圖像是順滑和自然的，像素相關性越高，反之，則像素相關性越低。基于這一原理，采用加權平均值濾波的方式，能夠很好地實現手勢圖像的降噪。

圖像閾值分割

在獲取的視頻流圖中，需要采集的手勢目標灰度值與當前背景的灰度值之間有明顯差異，因此一般要應用閾值分割等算法對目標區域進行處理。實際處理過程中，在手勢目標與圖像背景之間通常會存在一個或多個分割閾值，為了獲得更加清晰的手勢目標區域圖像，需要應用多個閾值元素來進行處理，在獲取完整手勢信息的前提下，最大程度上抑制噪聲。

系統設計與實現

手勢識別系統軟硬件環境

本文設計的手勢識別系統選擇Ubuntu系統，采用QTOPIA 2.2.0進行圖形界面開發，應用OpenCV2.4.3作為圖像識別輔助工具。

ARM開發板為手勢識別系統的基本開發環境，64 mm×85 mm液晶觸摸屏采用USB2.0接口的攝像頭。

基于V4L2的視頻采集

V4L2是對V4L的重新設計，在此基礎上相當于是一個全新的編程接口。V4L2采集視頻數據的過程如下：

系統開啟后，進行系統初始化，啟動視頻設備，并查詢視頻設備功能，進行視頻格式和窗口大小的設置。完成之后申請內存緩沖區，查詢設備緩沖區大小和偏移地址，建立內存映射，然后向隊列添加緩沖區。之后，開始進行視頻采集，獲取采集圖像，進行視頻圖像的讀取和存儲，然后釋放內存。最后，關閉視頻設備，結束視頻采集。

手勢識別實驗

經過訓練之后的10種手勢模板及改進后Canny算子可以得到清晰的手勢輪廓圖像。

當前，手勢識別技術在PC端已經獲得了廣泛應用，但這種技術的問題是實用性和便攜性差。通過應用USB攝像頭來采集視頻信息，提取和識別視頻流中的手勢，能夠提高這一技術的便攜性和實用性，為應用手勢進行人機交互控制奠定基礎。本文進行了在嵌入式系統的基礎上實現手勢識別的設計，通過對系統進行驗證和分析，手勢識別系統具有良好的實用性。